2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩71頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、現(xiàn)代IT技術(shù)的發(fā)展越來越快,獲取各類音頻文檔的方法也都相繼出現(xiàn),而數(shù)據(jù)量則呈現(xiàn)快速增長的趨勢,管理音頻文檔將會越來越困難,因而對音頻文檔中說話人轉(zhuǎn)變的檢測越來越重要,說話人轉(zhuǎn)變的檢測主要包括說話人分割和說話人聚類兩個部分。近年來很多研究者開始對音頻分割與聚類技術(shù)進(jìn)行了研究[1],利用這技術(shù)來管理多媒體語音文檔,其中對會議語音的分割和聚類困難最大?;谡f話人的不同而對音頻文檔進(jìn)行分割與聚類,關(guān)鍵是找出不同說話人之間話音的不同,將含有多個人

2、說話的語音段,根據(jù)不同轉(zhuǎn)變點分割成多個片段,且每個片段只含有一個說話人,分割完成后將同一說話人的片段進(jìn)行標(biāo)記,采用說話人聚類技術(shù)將分割好的語音按照說話人的不同進(jìn)行重新組合。
  本文提到的說話人轉(zhuǎn)變檢測的方法主要由三個部分組成即特征值提取、說話人分割和說話人聚類。本文對于每一部分都做了詳細(xì)的介紹,并通過實驗比較了不同方法的優(yōu)缺點,具體內(nèi)容如下:
  1)特征提取部分。提取語音序列的LPC倒譜系數(shù)和梅爾頻率倒譜系數(shù)作為說話人的

3、特征參數(shù),通過實驗發(fā)現(xiàn)MFCC比LPCC性能好。
  2)說話人分割部分。本文使用的是基于可信度變化趨勢和改進(jìn)BIC的混合說話人轉(zhuǎn)變點的檢測方法,利用可信度變化趨勢解決了BIC由于數(shù)據(jù)累積造成的累積錯誤,而BIC又可以解決由于可信度參數(shù)百分比beta選取設(shè)定的不合適而造成的誤差,實驗結(jié)果表明使用混合算法比單獨使用這兩種算法性能分別提高了10%和5.8%。
  3)說話人聚類。本文使用的是基于等級的分層說話人聚類,介紹了基于基

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論